| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·论文组织 | 第10-12页 |
| 第二章 文本分类相关技术 | 第12-28页 |
| ·文本分类基础 | 第12-14页 |
| ·文本分类的定义 | 第12页 |
| ·文本分类的特点 | 第12-13页 |
| ·文本分类的类型 | 第13页 |
| ·文本分类的应用 | 第13-14页 |
| ·文本分类过程 | 第14-16页 |
| ·文本预处理 | 第16-17页 |
| ·中文分词 | 第16-17页 |
| ·去停用词 | 第17页 |
| ·特征降维 | 第17页 |
| ·特征权重计算 | 第17-19页 |
| ·文本表示 | 第19-20页 |
| ·文本分类算法 | 第20-24页 |
| ·类中心向量法 | 第20-21页 |
| ·贝叶斯方法 | 第21-22页 |
| ·最近邻居法 | 第22页 |
| ·决策树法 | 第22-23页 |
| ·神经网络法 | 第23页 |
| ·支持向量机法 | 第23-24页 |
| ·分类性能评估 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 特征降维方法比较 | 第28-38页 |
| ·特征选择 | 第28-31页 |
| ·文档频率(Document Frequency,DF) | 第28-29页 |
| ·信息(Mutual Information,MI) | 第29页 |
| ·CHI统计法(Chi-square,CHI) | 第29-30页 |
| ·信息增益(Information Gain,IG) | 第30-31页 |
| ·特征抽取 | 第31-34页 |
| ·潜在语义索引 | 第31-32页 |
| ·特征词聚类 | 第32-33页 |
| ·主成分分析方法 | 第33-34页 |
| ·特征选择方法比较 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于依存关系的特征降维研究及实验 | 第38-58页 |
| ·词共现研究 | 第38-39页 |
| ·词语共现 | 第38-39页 |
| ·词共现的应用 | 第39页 |
| ·依存关系研究 | 第39-43页 |
| ·依存语法介绍 | 第39-40页 |
| ·依存语法理论 | 第40页 |
| ·依存关系类型 | 第40-43页 |
| ·依存关系的特点 | 第43页 |
| ·基于依存关系的特征降维研究 | 第43-46页 |
| ·依存关系词对作特征项 | 第43-44页 |
| ·依存关系提取算法研究 | 第44-45页 |
| ·基于依存关系的特征降维 | 第45-46页 |
| ·实验及结果分析 | 第46-50页 |
| ·分类系统框架 | 第46-47页 |
| ·开源工具 | 第47-48页 |
| ·结果分析 | 第48-50页 |
| ·基于依存关系的特征降维的改进研究及实验 | 第50-56页 |
| ·特征项分析 | 第50-53页 |
| ·改进的依存关系特征降维 | 第53页 |
| ·改进后的实验结果分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 研究成果 | 第66页 |
